[发明专利]基于爬虫的贴音乐标签方法及系统

说明书

本发明提供了一种基于爬虫的贴音乐标签的方法及系统，本发明在爬虫爬取多个音乐网站的音乐标签记录的基础上，通过对音乐标签记录进行预处理，提高了音乐标签记录的可用性，同时保证了来自不同音乐网站的音乐标签记录具有统一的格式；另外通过歌单标签可信值计算，将歌单标签转化为歌曲标签；利用编辑距离算法，将爬虫爬取到的音乐标签记录中的歌曲名与未贴标签的曲库中的歌曲名进行模糊匹配，建立对应关系，提高了爬虫音乐标签记录的利用率，在保证标签准确性的前提下，最大限度地给曲库贴上更多的音乐标签；同时根据多个音乐网站的音乐标签构建一套完整的音乐标签体系，以音乐标签体系的标签为基准，进行标签融合。

技术领域

本发明属于数据获取和可信度计算技术领域，更具体涉及一种基于爬虫的贴音乐标签方法及系统。

背景技术

随着数字音乐市场的不断扩大，数字音乐的特征化标注成为现阶段研究的一个热点，而音乐标签则是最重要的特征化标注。音乐标签具有丰富的语义，但是这种标注方式的前提是有一个活跃的音乐社区，拥有大量较高黏性的用户；另一方面，音乐标签具有随意性和离散性，容易形成“冷启动”(Cold Start)，新推出的音乐因缺乏标签将很难被用户检索到，导致“流行偏见”(Popularity Bias)，受先标注用户的影响，后来用户的选择将追随之前的流行趋势，从而使得大多数用户只听了极少数热门音乐，而大部分音乐将处于长尾区而被忽略掉；大众的早期评价并不一定都符合后来者的感知，少数“灰色绵羊”的独特用户无法从这种大众潮流中获取满意的信息，且标签的随意性也带来了标签预处理的困难。

目前，国外主要的音乐社区包括lastfm、pandora，国内主要的音乐社区包括网易云音乐，QQ音乐，百度音乐，酷狗音乐，酷我音乐，虾米音乐等，这些音乐社区拥有大量的用户，同时拥有丰富的歌单标签以及歌曲标签。对于目前带有歌曲标签的音乐网站来说，基本上有两种贴标签的方法，一种是通过人工的方法为每首歌曲贴上标签，另一种是列出尽可能多的歌曲标签，然后让用户自己为自己的歌单选择合适的标签。这两种方法都有自己的优缺点，人工贴标签的方法准确度显然会比较高，但是工作量很大，消耗的成本很高，对于曲库来说一般歌曲数量比较大，显然无法采用这种方法；第二种方法的优点是成本非常低，但是缺点也很明显，就是准确度不高。

另外一种具有探究意义的贴标签的方法，是通过分类算法学习音乐的音频特征，音频特征是从歌曲本身提取的诸如音高、节拍、节奏等信息，能够客观反映歌曲要素。目前支持向量机分类算法比较好地拟合音乐特征的相似度，但是标签的质量也不是很高。

综上，音乐标签具有丰富的语义，具有很大的研究价值。国内外音乐社区拥有大量的黏性用户，同时拥有丰富的歌单标签或者歌曲标签，这些丰富的标签可以高效、高质量给未贴标签的曲库贴上标签。然而，在贴音乐标签中，现在还没有一种全面、高效、高质量地给曲库贴音乐标签的技术方案。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是如何全面、高效、高质量地给曲库贴音乐标签。

(二)技术方案

为了解决上述技术问题，本发明第一方面提供一种基于爬虫的贴音乐标签方法，所述方法包括以下步骤：

S1、针对来自不同音乐网站的爬虫音乐标签记录进行预处理使其具有统一的格式；

S2、通过歌单标签可信值计算，将歌单标签转化为歌曲标签；

S3、利用编辑距离算法，将爬虫音乐标签记录与曲库音乐记录进行模糊匹配建立对应关系；

S4、以音乐标签体系的标签为基准，构建标签融合规则对曲库音乐记录进行标签融合。

优选的，所述步骤S2通过歌单标签可信值计算，将歌单标签转化为歌曲标签具体包括:

S21、针对每一小类标签，统计其在全部歌单标签记录中的出现频次；